第4章二阶RC模型

4、二阶RC模型：模型结构对比一阶模型，增加浓度极化，数学方程推导，适用场景分析

说实话，一阶RC模型在很多场景下够用了。但如果你做过高倍率充放电的实验，就会发现——电压响应曲线在后期会慢慢偏离真实值。嗯，这就是浓度极化在作祟。

我个人习惯把电池的极化现象分成两类：电化学极化和浓度极化。一阶RC模型只考虑了前者，而二阶RC模型把后者也纳入了。说白了，就是多了一个RC环节来模拟锂离子在电极内部的扩散过程。

先回顾一下一阶RC模型。它用一个电阻R₀描述欧姆内阻，一个RC并联环节描述电化学极化。模型结构是这样的：

Uocv ── R₀ ── (R₁ // C₁) ── 负载

这个模型在恒流放电初期表现不错。但我在做3C倍率放电测试时发现，放电到中后期，模型预测的端电压总是比实测值高。为什么会这样？

因为一阶模型假设极化效应是瞬时建立的。实际上，锂离子在电极内部的浓度梯度是慢慢形成的，这个过程的时间常数比电化学极化大得多。你想想看，离子在电解液里扩散，总得有个过程吧？

我曾经踩过的坑：用一阶模型做SOC估算，在低SOC区间误差能到8%以上。后来加了二阶RC，误差直接降到3%以内。所以，如果你做的是高精度BMS，二阶模型几乎是必须的。

二阶RC模型的结构其实很好理解——就是在原来一阶模型的基础上，再串联一个RC并联环节。这个新增的环节专门用来描述浓度极化。

模型拓扑如下：

Uocv ── R₀ ── (R₁ // C₁) ── (R₂ // C₂) ── 负载
         ↑           ↑               ↑
      欧姆内阻   电化学极化      浓度极化

这里：

我建议你记住一个关键点：τ₂通常比τ₁大一个数量级。这意味着浓度极化的建立和消退都慢得多。

  核心区别：一阶模型只能捕捉快速极化响应，二阶模型能同时捕捉快速和慢速两种极化过程。说白了，就是模型的时间分辨率更高了。

嗯，推导过程其实不复杂。我们从基尔霍夫电压定律出发。

设端电压为U_t，开路电压为U_ocv，那么：

U_t = U_ocv - I·R₀ - U₁ - U₂

其中U₁和U₂分别是两个RC环节的极化电压。它们各自满足一阶微分方程：

对于第一个RC环节（电化学极化）：
dU₁/dt = I/C₁ - U₁/(R₁C₁)

对于第二个RC环节（浓度极化）：
dU₂/dt = I/C₂ - U₂/(R₂C₂)

写成离散形式，方便在嵌入式系统里实现：

U₁(k+1) = U₁(k)·exp(-Δt/τ₁) + I(k)·R₁·[1 - exp(-Δt/τ₁)]
U₂(k+1) = U₂(k)·exp(-Δt/τ₂) + I(k)·R₂·[1 - exp(-Δt/τ₂)]

其中τ₁ = R₁C₁，τ₂ = R₂C₂，Δt是采样时间。

我在实际项目中，采样时间通常取0.1秒到1秒。如果采样太快，计算量上去了但精度提升有限；采样太慢，又捕捉不到快速极化过程。这个平衡点需要根据你的硬件算力来调。

参数怎么来？我常用的方法是混合脉冲功率特性（HPPC）测试。具体步骤：

这里有个技巧：R₀可以从电流突变瞬间的电压跳变直接算出。剩下的四个参数，用指数拟合就能搞定。

我的经验：参数辨识时，一定要做不同SOC点和不同温度下的测试。因为R₀、R₁、R₂都随SOC和温度变化。我一般会在5个SOC点（10%、30%、50%、70%、90%）和3个温度点（0°C、25°C、45°C）下做标定，然后插值使用。

二阶RC模型不是万能的。我根据实际项目经验，总结了几条适用原则：

说白了，什么时候用二阶？就是当你发现一阶模型在动态工况下误差超过5%的时候。我做过一个对比实验：在UDDS工况下，一阶模型的最大误差是7.2%，二阶模型降到了2.8%。

但也要注意，二阶模型的计算量比一阶大了约一倍。如果你的MCU算力有限，或者采样频率很高（比如100Hz），可能需要权衡一下。

下面这张图是我自己整理的二阶RC模型知识框架，帮你快速建立整体认知：

最后，分享几个我在项目中积累的经验：

  一句话总结：二阶RC模型是一阶模型的自然升级，它用多一个RC环节换来了更高的精度，特别适合高倍率、低SOC、低温等复杂工况。代价是计算量翻倍，参数标定也更麻烦。但如果你做的是高性能BMS，这笔账是划算的。

公众号:蓝海资料掘金营，微信deep3321